HWM · Howmet Aerospace Inc.
Stock Universe · globaler AktienmarktHWM Quant-Strategie im Test: Hohe Trefferquote und kontrollierte Drawdowns im 15-Minuten-Chart
Diese quantitative Analyse untersucht die Performance einer auf dem 15-Minuten-Zeitfenster basierenden Handelsstrategie für HWM über einen Zeitraum von knapp 6,5 Jahren (Mai 2020 bis Oktober 2026). Mit einer Trefferquote von 83,33 % bei 102 abgeschlossenen Trades, einem Profit Factor von 2,50 und einem maximalen historischen Drawdown von nur 8,11 % zeigt das Modell eine bemerkenswerte Stabilität. Trotz der Auslegung auf ein kurzes Ausführungsintervall agiert der Algorithmus nicht als Hochfrequenz-System, sondern hält Positionen im Schnitt rund 18,8 Tage (453,19 Stunden). Die Top-3-Gewinntrades tragen lediglich 13,42 % zum Bruttogewinn bei, was auf eine breit abgestützte Ertragsstruktur hindeutet. Der folgende Bericht analysiert das Zusammenspiel von Haltedauer, Risikokennzahlen und zeitlicher Ergebnisverteilung im Hinblick auf den Einsatz in automatisierten Trading-Bots.
Analyse vom 16.11.2026. Die Strategiedaten werden separat aktualisiert.Vollständige Analyse lesen
1. Strategieprofil
Die vorliegende quantitative Strategie wurde für die Aktie HWM auf einem 15-Minuten-Chartintervall entwickelt und deckt einen historischen Testzeitraum von Mai 2020 bis Oktober 2026 (ca. 6,45 Jahre) ab. In der Quant-Bewertung von DevioLab erreicht das System einen Score von 84,62 Punkten und belegt damit Rang 1 unter den analysierten Modellen für dieses Instrument. Der Algorithmus ist darauf ausgelegt, Entscheidungslogiken bereitzustellen, die nahtlos von automatisierten Trading-Bots, Handelsrobotern oder autonomen Trading-Agenten ausgeführt werden können. Über den gesamten Testzeitraum hinweg wurden 102 geschlossene Positionen generiert, aus denen ein kumulierter Gesamtertrag der einzelnen Trades von 27.069,35 % resultierte. Es gilt zu beachten, dass diese Prozentzahl die Summe der ungehebelten Einzeltrades beschreibt und nicht mit dem absoluten Depotwachstum gleichzusetzen ist. Dennoch verdeutlicht die Kennzahl das kontinuierliche Ertragspotenzial. Mit 85 Gewinntrades gegenüber 17 Verlusttrades weist das Modell eine überdurchschnittlich hohe Trefferquote von 83,33 % auf. Dies deutet auf eine Strategiearchitektur hin, die primär darauf abzielt, Fehlsignale zu minimieren und Markteintritte mit hoher statistischer Wahrscheinlichkeit auszuwählen.
2. Handelsrhythmus und Positionsdauer
Obgleich die Signalerzeugung auf einem feingliedrigen 15-Minuten-Takt basiert, zeigt das Ausführungsverhalten eine erstaunlich ruhige, mittelfristig orientierte Frequenz. Mit durchschnittlich 15,81 Trades pro Jahr bzw. rund 1,70 Trades pro aktivem Monat handelt es sich keineswegs um ein Scalping-System. Vielmehr dient das 15-Minuten-Intervall dem präzisen Timing beim Einstieg und Ausstieg, während die tatsächliche Haltedauer im Mehrtagesbereich liegt. Der Mittelwert der Haltedauer beträgt 453,19 Stunden (entspricht ca. 18,88 Tagen), während der Median bei 336,25 Stunden (ca. 14,01 Tagen) angesiedelt ist. Die Abweichung zwischen Mittelwert und Median lässt darauf schließen, dass der Trading-Bot in einzelnen Marktphasen Positionen über mehrere Wochen hält, um Trends voll auszuschöpfen, während der Kern der Trades nach etwa zwei Wochen geschlossen wird. Auch der zeitliche Abstand zwischen zwei Positionsschließungen unterstreicht diesen Rhythmus: Im Durchschnitt vergehen 23,28 Tage zwischen zwei Exits (Median: 18,03 Tage). Für Anwender von Trading-Robots bedeutet diese Charakteristik einen äußerst schonenden Umgang mit der Handelsinfrastruktur, da hektische Overtrading-Muster vermieden werden und Positionen in aller Ruhe reifen können.
3. Qualität der historischen Ergebnisse
Ein zentraler Aspekt bei der Bewertung automatisierter Handelsagenten ist die Verteilung der Gewinne über das gesamte Tradesample. Ein Profit Factor von 2,50 dokumentiert, dass das kumulierte Ausmaß der Gewinntrades das der Verlusttrades um das Zweieinhalbfache übersteigt. Der durchschnittliche Trade-Ertrag liegt bei +5,98 %, während der Medianwert +4,61 % beträgt. Dass der Mittelwert moderat über dem Median liegt, zeigt die Existenz einzelner überdurchschnittlich starker Gewinntrades, ohne dass das Gesamtergebnis von diesen abhängig wäre. Der beste Einzeltrade erzielte ein Plus von +30,64 %, der schlechteste schloss mit -8,11 %. Ein besonders aufschlussreicher Indikator für die Ertragsqualität ist der Anteil der drei größten Gewinntrades am Bruttogewinn: Dieser beläuft sich auf lediglich 13,42 %. Das ist ein außergewöhnlich niedriger Wert, der belegt, dass der Erfolg des Systems nicht auf wenigen Glückstreffern beruht. Stattdessen verteilt sich der Ertrag auf eine breite Basis moderater Gewinne. Die Payoff-Struktur koppelt somit eine hohe Trefferquote (83,33 %) mit einem durchschnittlichen Einzelgewinn, der den durchschnittlichen Einzelverlust deutlich kompensiert.
4. Risiko, Drawdown und Verlustverhalten
Das Risikoprofil dieser HWM-Strategie zeichnet sich durch eine bemerkenswerte Disziplin bei der Verlustbegrenzung aus. Der maximale historische Drawdown über den gesamten Zeitraum von 6,45 Jahren liegt bei exakt 8,11 %. Dies ist insofern bemerkenswert, als der größte Einzelverlust ebenfalls bei -8,11 % liegt. Diese numerische Überdeckung legt nahe, dass der tiefste Zwischenverlust des Gesamtsystems im Wesentlichen durch einen einzelnen ungünstigen Trade oder eine sehr kurze Verlustphase geprägt war, anstatt durch eine lang anhaltende Abfolge von Fehlschlägen. Die Analyse der Serienlängen bestätigt dieses Bild: Während die längste Gewinnserie eindrucksvolle 25 Trades in Folge umfasste, lag die längste Verlustserie bei lediglich 2 aufeinanderfolgenden Verlusttrades. Das System hat historisch somit nie mehr als zwei Verlustgeschäfte hintereinander erlitten. Diese statistische Eigenschaft reduziert die psychologische Belastung für den Händler sowie das methodische Stressrisiko für den Trading-Bot erheblich. Das Risiko ständiger Kapitaldegradation bleibt auf Basis der historischen Daten außerordentlich gering.
5. Entwicklung im Zeitverlauf und jährliche Stabilität
Eine Betrachtung der Jahresdaten verdeutlicht, wie sich die Strategie durch unterschiedliche Marktphasen der Aktie HWM bewegt hat. Im Startjahr 2020 wurden 14 Trades absolviert – alle 14 waren profitabel (Win Rate 100 %), was zu einer kumulierten Trade-Summe von +168,85 % führte. 2021 stieg die Aktivität auf 21 Trades bei einer Trefferquote von 80,95 % und einem Ertrag von +77,61 %. Das Jahr 2022 stellte mit 17 Trades, einer Win Rate von 64,71 % und einer Gewinnsumme von +48,21 % das historisch schwächste, aber immer noch deutlich positive Jahr dar. Hier zeigte sich, wie das Modell auch in schwierigeren Umfeldern profitabel blieb. 2023 folgten 12 Trades (83,33 % Win Rate, +47,28 %), gefolgt von einem sehr starken Jahr 2024 mit 8 Trades (87,50 % Win Rate, +107,97 %). 2025 setzte sich der Trend mit 18 Trades (88,89 % Win Rate, +90,36 %) fort, und im Teiljahr 2026 bis Oktober wurden bei 12 Trades wiederum 83,33 % Trefferquote und +69,51 % erzielt. In keinem einzigen Kalenderjahr erlitt die Strategie ein negatives Gesamtergebnis. Die Handelsfrequenz schwankte dabei leicht zwischen 8 und 21 Trades pro Jahr, was auf eine dynamische Filterung der Marktbedingungen hindeutet.
6. Jüngste Periode seit dem 01.06.2024 im Vergleich zur Gesamthistorie
Um zu überprüfen, ob die Funktionsfähigkeit der Handelslogik in jüngster Zeit erhalten geblieben ist, betrachten wir das Zeitfenster seit dem 01.06.2024. In diesem Zeitraum von knapp 2,5 Jahren wurden 37 Trades abgeschlossen, was mehr als ein Drittel (36,3 %) aller historischen Trades darstellt. Die Summe der Einzelerträge in diesem jüngsten Fenster beläuft sich auf +238,08 %. Rechnet man die Trades der Jahre 2024 (teilweise), 2025 und 2026 zusammen, bestätigt sich eine anhaltend hohe Signalqualität. Die Trefferquote lag in den Kalenderjahren 2024 bis 2026 durchweg zwischen 83,33 % und 88,89 % und damit sogar leicht über dem langfristigen Gesamtdurchschnitt von 83,33 %. Dies belegt, dass die Effizienz der Strategie in der jüngeren Vergangenheit nicht nachgelassen hat. Die breite Datenbasis von 37 abgeschlossenen Trades im Testfenster seit Mitte 2024 verleiht den jüngsten Ergebnissen eine solide statistische Relevanz und deutet darauf hin, dass die Strategieparameter nicht an veraltete Marktstrukturen angepasst waren.
7. Stärken und Einschränkungen
Zu den klaren Stärken der Strategie gehören die konstant hohe Trefferquote von 83,33 %, der geringe maximale Drawdown von 8,11 % und die extrem kurzen Verlustserien von maximal 2 Trades. Zudem schützt die niedrige Konzentration der Gewinne auf die Top-3-Trades (13,42 %) vor der Abhängigkeit von seltenen Ausreißern. Das System erweist sich über alle ausgewerteten Kalenderjahre hinweg als stabil profitabel. Demstehen jedoch auch spezifische Einschränkungen gegenüber: Mit insgesamt 102 Trades in 6,45 Jahren ist die Stichprobengröße moderat. Eine durchschnittliche Handelsfrequenz von knapp 16 Trades pro Jahr erfordert Geduld vom Anwender; Phasen ohne aktive Trades können mehrere Wochen andauern. Zudem bedeutet die durchschnittliche Haltedauer von rund 18,8 Tagen, dass Positionen potenziellen Übernacht- und Wochenend-Gaps ausgesetzt sind, die im 15-Minuten-Backtest nicht immer vollständig abgebildet werden können. Da keine Daten zu Spreads, Slippage oder Transaktionsgebühren vorliegen, muss in der Praxis mit geringfügigen Abweichungen gerechnet werden, auch wenn die überschaubare Anzahl an Trades die Gebührenbelastung prinzipiell niedrig hält.
8. DevioLab analytisches Fazit
Das Quant-Modell für HWM auf dem 15-Minuten-Chart präsentiert sich als ein hocheffizientes, risikobewusstes Regelwerk mit Swing-Trading-Charakter. Mit dem DevioLab-Score von 84,62 und Rang 1 unter den für HWM getesteten Setups demonstriert die Strategie, wie durch gezielte Signalselektion eine außerordentlich hohe Trefferquote bei minimalem historischen Drawdown erzielt werden kann. Das Zusammenspiel aus einem Profit Factor von 2,50 und einer extrem kurzen maximalen Verlustserie macht das System zu einem attraktiven Kandidaten für den Einsatz in automatisierten Handelsrobotern oder autonomen Trading-Agenten, die auf Kapitallerhalt und stetigen Wertzuwachs ausgelegt sind. Wichtig bleibt jedoch die Erkenntnis, dass vergangene Backtest-Ergebnisse keine Garantie für zukünftige Erträge bieten. Anwender sollten das System im Live-Kontext mit angemessenem Risikomanagement überwachen.
9. Datenumfang und Methodik
Sämtliche in diesem Bericht ausgewerteten Kennzahlen basieren auf einer historischen Simulation abgeschlossener Trades für das Finanzinstrument HWM im Zeitraum vom 04.05.2020 bis zum 16.10.2026 auf Basis von 15-Minuten-Kursdaten. Die Kennzahlen beschreiben ungehebelte, simulierte Transaktionsergebnisse ohne Berücksichtigung individueller Steuerverhältnisse, variabler Broker-Spreads oder Ausführungs-Slippage. Das untersuchte Sample umfasst exakt 102 geschlossene Trades. Die Ergebnisse stellen eine rein mathematisch-statistische Auswertung historischer Daten dar und sind nicht als Anlageberatung oder Aufforderung zum Kauf oder Verkauf von Wertpapieren zu verstehen.